通过临床报告的情感分类评估牙科和口腔问题的严重程度
计算与语言
2024-01-25 v1
摘要
分析文本中作者的情感作为识别文本极性的一种技术，在包括医学和牙科在内的各个领域都具有实用性和价值。目前，由于患者对其病情了解有限、难以联系专科医生或对疾病的恐惧（尤其是在疫情条件下）等因素，从收到放射学报告到咨询医生之间可能存在延迟。在某些情况下，这种延迟可能给患者带来重大风险，因此及时决策至关重要。拥有一个能够通过分析放射学报告文本告知患者病情恶化的自动系统，可能会对及时决策产生重大影响。本研究从设拉子医科大学收集了一个包含1,134份锥形束计算机断层扫描（CBCT）影像报告的数据集。对每个病例进行了检查，并由专家为每份文档标注了患者病情的严重程度级别。在对所有文本数据进行预处理后，开发了一个基于卷积神经网络（CNN）和长短期记忆（LSTM）网络架构的深度学习模型，即CNN-LSTM，用于基于放射科医生报告中的情感分析检测患者问题的严重程度。该模型在两个数据集上进行了性能评估，每个数据集分别包含两个和四个类别，并考虑了不平衡和平衡两种场景。最后，为了证明我们模型的有效性，我们将其性能与其他分类模型进行了比较。结果以及单因素方差分析和Tukey检验表明，我们提出的模型（CNN-LSTM）在精确率、召回率和F值指标上表现最佳。这表明它可以成为评估口腔和牙科疾病严重程度、从而帮助患者的可靠模型。
引用
@article{arxiv.2401.12993,
title = {Estimating the severity of dental and oral problems via sentiment classification over clinical reports},
author = {Sare Mahdavifar and Seyed Mostafa Fakhrahmad and Elham Ansarifard},
journal= {arXiv preprint arXiv:2401.12993},
year = {2024}
}